Geração aumentada por recuperação (RAG)
A geração aumentada por recuperação (RAG) é uma forma de fazer uma IA responder a partir de um conjunto escolhido de documentos. Ela primeiro procura nesses documentos os trechos relevantes, depois redige a resposta usando só o que encontrou. Isso reduz os fatos inventados.
Modelos de IA comuns respondem a partir do que absorveram durante o treino. Parece certo até afirmarem algo falso com toda a confiança. O RAG corrige isso dando primeiro ao modelo um conjunto específico de fontes para ler. Assim, em vez de adivinhar de memória, ele puxa os trechos certos e constrói a resposta em cima deles.
Duas etapas acontecem sempre que você pergunta algo. Primeiro, o sistema encontra as partes dos seus documentos que combinam com a sua pergunta. Depois, ele dá essas partes ao modelo e diz: responda a partir disso. O modelo vira mais um montador de fatos do que a fonte dos fatos, e é por isso que as respostas ficam mais perto da verdade.
Um ponto de atenção: o RAG só vale o que ele recupera. Se o trecho certo nunca for encontrado, ou se os seus documentos não cobrem a pergunta, a resposta ainda pode ser fraca ou errada. Ele reduz muito os fatos inventados. Ele não os apaga.
A Maya está estudando para uma prova de bioquímica. Ela pede à sua ferramenta de IA para explicar o ciclo do ácido cítrico. Com o RAG, ela puxa os parágrafos exatos dos slides da aula e explica nesses mesmos termos, em vez de sair buscando detalhes aleatórios na internet mais ampla que o professor nunca ensinou.